Qwen Audio
毫秒级响应的实时语音交互模型
采用“听思同步”架构，支持Agent工具调用与情感共情对话，全双工流式交互不打断。
核心功能
毫秒级实时响应
采用并行推理和全向流式优化，端到端响应时延极低，日常对话可直接生成回复。
智能Agent工具调用
模型可自行调用外部工具，结果融入对话记忆，支持多轮追问，基于FunctionCall标准引入MCP、API及知识库。
全双工流式交互
内置“多模态感知的双工控制”子模型，支持边听边打断，嘈杂环境不被误打断，多说话人场景锁定主对话对象。
多模态情感共情
根据对话语境动态调整语气、节奏、音调与情感表达，能识别用户情感状态并提供共情回应。
多语言与方言支持
支持30种语言、8大方言区共16种方言，适配20+地区口音官话。
产品特色
- 01
“听思同步”架构，又快又聪明
语音输入与语义推理并行，打破“快速响应”与“准确推理”二选一的困局。
- 02
会自己调用工具，不止是聊天
模型能自行判断何时该调工具，自动触发知识图谱和业务API，把“能聊天”变成“能办事”。
- 03
像真人一样边听边聊
支持打断、多意图叠加、跨轮次指代消解，对话自然流畅，不会因为背景噪声误判打断。
- 04
有温度的语音，不是机械回应
能从语气停顿、基频抖动中识别情绪，在情感陪伴场景里提供真正的情感共鸣。
- 05
两个版本按需选择
Plus版本推理更强，Flash版本速度更快，不同场景灵活适配。
应用场景
✅ 智能客服与咨询
边听边判断何时调工具，自动触发知识图谱和业务API，适用于电商、金融、政务等领域。
✅ 在线教育与培训
支持打断续聊、多意图叠加，学生能像与真人教师一样自然问答互动。
✅ 情感陪伴与娱乐
通过声纹建模识别用户情感状态，适用于心理健康、老年陪伴等需要情感共鸣的场景。
✅ 会议与实时转录
支持“边说边出字”的流畅体验，适用于会议同传、实时字幕、会议纪要整理。
常见问题
解答您关于"Qwen Audio"的常见疑问，让您更好地使用这款AI工具
-
阿里云推出的实时语音交互模型系列，包含语音识别ASR、语音合成TTS和实时交互Realtime三类模型。
-
采用“听思同步”架构，毫秒级响应且不牺牲推理深度，支持全双工流式交互和Agent工具调用。
-
支持30种语言、8大方言区共16种方言，适配20+地区口音官话。
-
Plus版本推理能力更强，Flash版本响应速度更快，可按需选择。
-
阿里云提供免费试用，可通过消耗试用点进行部署体验。
立即体验“Qwen Audio”
Qwen-Audio是阿里云推出的实时语音交互模型，采用“听思同步”架构，实现毫秒级端到端响应。支持全双工流式交互，可边听边打断。模型具备智能Agent工具自主调用能力，能基于FunctionCall标准调用外部工具和知识库。同时支持多模态情感共情对话，能根据语境调整语气与情感表达。适用于智能客服、在线教育、情感陪伴等场景。
